阅读更多

5顶
0踩

编程语言

原创新闻 JavaFX 2.2.4 的新特性

2012-12-14 13:26 by 副主编 wangguo 评论(0) 有6555人浏览
甲骨文本周三发布了Java SE 7u10JDK中捆绑了JavaFX 2.2.4。


除了发布日志中介绍的新特性外,JavaFX的文档也得到了显著改进:

  • 一个新的Image Ops API文档,介绍了如何从JavaFX图像中读取和写入原始像素数据。
  • JavaFX事件处理文档更新了更多与触摸事件相关的信息。
  • 最佳实践文档已经更新,现在包括在后台线程运行任务的有关信息。
  • JavaFX应用部署文档中的故障排除部分,现在包含了有关在应用程序代码中禁用自动代理配置的说明。
  • 其他一些文档的更新,修复了一些小的问题
JDK 7u10中已经集成了该版本,你也可以单独下载。

下载地址:JavaFX 2.2.4

完整文档:http://docs.oracle.com/javafx
  • 大小: 4.2 KB
5
0
评论 共 0 条 请登录后发表评论

发表评论

您还没有登录,请您登录后再发表评论

相关推荐

  • Java面试宝典——Java基础知识总结

    作者:禅与计算机程序设计艺术 1.简介 Java(发音:/dʒɑːvə/)是一种静态面向对象编程语言,最初由Sun Microsystems公司于1995年推出,并于1996年发布Java 1.0版本,并在随后的几...它拥有跨平台特性、安全性高、

  • JavaFX 2.2.4新特性

    甲骨文本周三发布了Java SE 7u10,JDK中捆绑了JavaFX 2.2.4。 除了发布日志中介绍的新特性外,JavaFX的文档也得到了显著改进: 一个新的Image Ops API文档,介绍了如...

  • Flex实现

    随着软件的飞速发展,此时需要出现一种能够摒弃上述缺点的新的技术形式  – RIA 出现了。 RIA--- 富互联网应用程序 , 实际上我们可以把传统互联网应用中的浏览器是为“瘦“客户端,所有的业务操作和逻辑处理都由...

  • 深入理解Java 7:核心技术与最佳实践

     全书的主要内容可分为三大部分:第一部分是1~6章,全面阐释java 7在语法、jvm、类库和api等方面的所有重要新功能和新特性,掌握这部分内容有助于大幅度提升编码效率和提高代码质量;第二部分是7~13章,对jvm、...

  • JAVA图书推荐:《深入理解Java7:核心技术与最佳实践》

    JAVA图书推荐:《深入理解Java7:核心技术与最佳实践》 ...本书是学习Java 7 新功能和新特性以及深入理解Java 核心技术的最佳选择之一。经过 近6 年的等待,Java 迎来了它的又一个历史性的版本—Java 7 。Java 7

  • Java图书推荐:《深入理解Java7:核心技术与最佳实践》

    JAVA图书推荐:《深入理解Java7:核心...本书是学习Java 7 新功能和新特性以及深入理解Java 核心技术的最佳选择之一。经过 近6 年的等待,Java 迎来了它的又一个历史性的版本—Java 7 。Java 7 在提高开发人员的...

  • ITeye 2012年12月第2周重要新闻回顾

    JavaFX 2.2.4 的新特性 Node.js v0.8.16 稳定版发布 开发框架/IDE Spring Framework 3.2 正式版发布 Spring Scala项目:在Scala中使用Spring Spring Security 3.2 M1发布,Spring 应用安全框架...

  • 深入理解Java7.pdf

    下载地址:网盘下载作者简介······成富 资深...曾就职于IBM中国研发中心,先后在IBM新技术学院和Lotus部门参与了多个重要产品的开发工作,现就职于新西兰PropellerHead公司。他是非常受欢迎的技术作家,在IBM ...

  • Bean Validation 数据校验实战

    不过新特性据说没有什么更新= =。 当然,你如果有兴趣的话: Hibernate validator 7.0 的文档也可以看看: https://docs.jboss.org/hibernate/validator/7.0/reference/en-US/html_single/ 二.Bean Validation的综合...

  • 激动,终于有信心搞定Maven了,就是这么简单!!!

    2.2.4、项目属性 2.3、项目构建配置 2.3.1、构建资源配置 3、Maven的生命周期 3.1、生命周期的概念与意义 3.2、maven 三大生命周期与其对应的phase(阶段) 3.3、生命周期与插件的关系 3.4、生命周期与默认插件的绑定 ...

  • HTML5概要与新增标签

    它希望能够减少网页浏览器对于需要插件的丰富性网络应用服务(Plug-in-Based Rich Internet Application,RIA),例如:AdobeFlash、Microsoft Silverlight与Oracle JavaFX的需求,并且提供更多能有效加强网络应用的...

  • 编程王 kingofcoders.com

    PHP V5.3 中的新特性,第 1 部分: 对象接口的变化       MooPHP框架简介          Cpp       ...

  • spring框架_03

    修改配置文件 【2.2.3】bean托管spring-IOC 【2.2.4】运行测试 【2.3】小结 6、基于全annotation的Spring-AOP(8) 【1】AOP配置注解说明表 【2】基于全annotation案例 【2.1】目标 【2.2】实现 【2.2.1】创建项目 ...

  • 尚硅谷Java零基础全套视频教程(宋红康2023版,java入门自学必备)

    在类 HelloChina 中找不到 main 方法, 请将 main 方法定义为: public static void main(String[] args) 否则 JavaFX 应用程序类必须扩展javafx.application.Application 内容 class HelloChina{ public static ...

  • Bean Validation

    2、Bean Validation 2.0 Bean Validation 2.0 的主要贡献是利用 Java 8 的新语言特性和 API 添加来进行验证。使用 Bean Validation 2.0 需要 Java 8 或更高版本。 变化包括: 支持通过注释参数化类型的类型参数来...

  • Spring - 基础篇

    基础篇一、概念介绍1.1 简介1.2 Spring的五大功能模块1.3 读取配置文件...2.2.4 构造注入2.2.5 内部Bean2.2.6 级联Bean2.2.7 特殊值处理2.2.8 使用p名称空间2.2.9 集合赋值2.3 基于注解的装配2.3.1 常用注解说明2.3.2...

  • spring-ai-bedrock-converse-1.0.0-M7.jar中文文档.zip

    # 【spring-ai-bedrock-converse-1.0.0-M7.jar中文文档.zip】 中包含: 中文文档:【spring-ai-bedrock-converse-1.0.0-M7-javadoc-API文档-中文(简体)版.zip】 jar包下载地址:【spring-ai-bedrock-converse-1.0.0-M7.jar下载地址(官方地址+国内镜像地址).txt】 Maven依赖:【spring-ai-bedrock-converse-1.0.0-M7.jar Maven依赖信息(可用于项目pom.xml).txt】 Gradle依赖:【spring-ai-bedrock-converse-1.0.0-M7.jar Gradle依赖信息(可用于项目build.gradle).txt】 源代码下载地址:【spring-ai-bedrock-converse-1.0.0-M7-sources.jar下载地址(官方地址+国内镜像地址).txt】 # 本文件关键字: spring-ai-bedrock-converse-1.0.0-M7.jar中文文档.zip,java,spring-ai-bedrock-converse-1.0.0-M7.jar,org.springframework.ai,spring-ai-bedrock-converse,1.0.0-M7,org.springframework.ai.bedrock.converse,jar包,Maven,第三方jar包,组件,开源组件,第三方组件,Gradle,springframework,spring,ai,bedrock,converse,中文API文档,手册,开发手册,使用手册,参考手册 # 使用方法: 解压 【spring-ai-bedrock-converse-1

  • 房地产 -可视化管理课件.ppt

    房地产 -可视化管理课件.ppt

  • tokenizers-0.18.0.jar中文-英文对照文档.zip

    # 【tokenizers-***.jar***文档.zip】 中包含: ***文档:【tokenizers-***-javadoc-API文档-中文(简体)版.zip】 jar包下载地址:【tokenizers-***.jar下载地址(官方地址+国内镜像地址).txt】 Maven依赖:【tokenizers-***.jar Maven依赖信息(可用于项目pom.xml).txt】 Gradle依赖:【tokenizers-***.jar Gradle依赖信息(可用于项目build.gradle).txt】 源代码下载地址:【tokenizers-***-sources.jar下载地址(官方地址+国内镜像地址).txt】 # 本文件关键字: tokenizers-***.jar***文档.zip,java,tokenizers-***.jar,ai.djl.huggingface,tokenizers,***,ai.djl.engine.rust,jar包,Maven,第三方jar包,组件,开源组件,第三方组件,Gradle,djl,huggingface,中文API文档,手册,开发手册,使用手册,参考手册 # 使用方法: 解压 【tokenizers-***.jar***文档.zip】,再解压其中的 【tokenizers-***-javadoc-API文档-中文(简体)版.zip】,双击 【index.html】 文件,即可用浏览器打开、进行查看。 # 特殊说明: ·本文档为人性化翻译,精心制作,请放心使用。 ·只翻译了该翻译的内容,如:注释、说明、描述、用法讲解 等; ·不该翻译的内容保持原样,如:类名、方法名、包名、类型、关键字、代码 等。 # 温馨提示: (1)为了防止解压后路径太长导致浏览器无法打开,推荐在解压时选择“解压到当前文件夹”(放心,自带文件夹,文件不会散落一地); (2)有时,一套Java组件会有多个jar,所以在下载前,请仔细阅读本篇描述,以确保这就是你需要的文件; # Maven依赖: ``` <dependency> <groupId>ai.djl.huggingface</groupId> <artifactId>tokenizers</artifactId> <version>***</version> </dependency> ``` # Gradle依赖: ``` Gradle: implementation group: 'ai.djl.huggingface', name: 'tokenizers', version: '***' Gradle (Short): implementation 'ai.djl.huggingface:tokenizers:***' Gradle (Kotlin): implementation("ai.djl.huggingface:tokenizers:***") ``` # 含有的 Java package(包): ``` ai.djl.engine.rust ai.djl.engine.rust.zoo ai.djl.huggingface.tokenizers ai.djl.huggingface.tokenizers.jni ai.djl.huggingface.translator ai.djl.huggingface.zoo ``` # 含有的 Java class(类): ``` ai.djl.engine.rust.RsEngine ai.djl.engine.rust.RsEngineProvider ai.djl.engine.rust.RsModel ai.djl.engine.rust.RsNDArray ai.djl.engine.rust.RsNDArrayEx ai.djl.engine.rust.RsNDArrayIndexer ai.djl.engine.rust.RsNDManager ai.djl.engine.rust.RsSymbolBlock ai.djl.engine.rust.RustLibrary ai.djl.engine.rust.zoo.RsModelZoo ai.djl.engine.rust.zoo.RsZooProvider ai.djl.huggingface.tokenizers.Encoding ai.djl.huggingface.tokenizers.HuggingFaceTokenizer ai.djl.huggingface.tokenizers.HuggingFaceTokenizer.Builder ai.djl.hu

  • 基于MATLAB的BP神经网络预测模型构建与应用

    内容概要:本文详细介绍了如何使用MATLAB构建和应用BP神经网络预测模型。首先,通过读取Excel数据并进行预处理,如归一化处理,确保数据的一致性和有效性。接着,配置网络结构,选择合适的训练算法(如SCG),设置训练参数(如最大迭代次数、目标误差等)。然后,进行模型训练,并通过可视化窗口实时监控训练过程。训练完成后,利用测试集评估模型性能,计算均方误差(MSE)和相关系数(R²),并通过图表展示预测效果。最后,将训练好的模型保存以便后续调用,并提供了一个简单的预测函数,确保新数据能够正确地进行归一化和预测。 适合人群:具有一定MATLAB基础,从事数据分析、机器学习领域的研究人员和技术人员。 使用场景及目标:适用于需要对多维数据进行预测的任务,如电力负荷预测、金融数据分析等。主要目标是帮助用户快速搭建一个可用的BP神经网络预测系统,提高预测准确性。 其他说明:文中提供了完整的代码框架和详细的注释,便于理解和修改。同时,强调了数据预处理的重要性以及一些常见的注意事项,如数据量的要求、归一化的必要性等。

Global site tag (gtag.js) - Google Analytics